পদ্ধতির তুলনা করুন

	বেয়েশীয় এক্সপোনেনশিয়াল র‍্যান্ডম গ্রাফ মডেল	স্টোকাস্টিক ব্লক মডেল
ক্ষেত্র	নেটওয়ার্ক বিশ্লেষণ	নেটওয়ার্ক বিশ্লেষণ
পরিবার	Machine learning	Process / pipeline
উদ্ভবের বছর	2011	1983
প্রবর্তক	Caimo, A., & Friel, N.	—
ধরন	Bayesian statistical model for networks	Probabilistic generative graph model
মৌলিক উৎস	Caimo, A., & Friel, N. (2011). Bayesian inference for exponential random graph models. Social Networks, 33(1), 41–55.	Holland, P.W., Laskey, K.B. & Leinhardt, S. (1983). Stochastic Blockmodels: First Steps. Social Networks, 5(2), 109-137.
অপর নাম	Bayesian ERGM, Bayesian p-star model, Bayesian p* model, BERGM	SBM, degree-corrected SBM, DCSBM, Stokastik Blok Modeli (SBM)
সম্পর্কিত	4	7
সারসংক্ষেপ	The Bayesian Exponential Random Graph Model (Bayesian ERGM or BERGM) extends the classical ERGM framework by placing prior distributions over the model parameters and using Markov chain Monte Carlo methods to obtain full posterior distributions. Introduced by Caimo and Friel (2011), it allows researchers to quantify parameter uncertainty and incorporate prior knowledge when modelling the structural features of social and other complex networks.	The Stochastic Block Model (SBM), introduced by Holland, Laskey and Leinhardt (1983), is a probabilistic generative model for graphs that assigns nodes to latent blocks and parametrically estimates the connection probabilities between blocks. It is the foundational approach for community detection, core-periphery identification, and hierarchical structure discovery in network analysis.